scipy 图像分析高斯滤波器的优化与加速

w1jd8yoj 于 2023-01-05 发布在其他

关注(0)|答案(1)|浏览(160)

我正在寻找一种方法来加速下面的代码。这个代码块是我开发的一个图像分析管道的简化版本，但主要结构在那里。我确实需要高斯滤波器。因为它是一个我无法控制的源代码，我决定在示例中保留它。
在stack的定义中，我已经包含了我使用的图像的大小，它们大约是200帧，分辨率是1024, 512。
有没有办法用Python来加速这个过程？

import numpy as np
import time
from scipy import ndimage as ndi
 
def gauss(stack):
    for i in range(stack.shape[0]):
        stack[i,:,:] -= ndi.gaussian_filter(stack[i, :, :], 10)
    return stack

stack = np.random.randint(0, 20, size=(200,1024,512))
t = time.time()
gs = gauss(stack)
print(f"{time.time() - t:0.3f} seconds")

scipy

来源：https://stackoverflow.com/questions/75001695/image-analysis-gaussian-filter-optimization-and-speedup

1条答案

按热度按时间

rxztt3cl1#

如果你不介意失去一点"精度"（你可能不会注意到差异），你可以使用高斯滤波器的truncate参数（默认值是4.0），例如截断到2个sigma（至少到3）。

import numpy as np
import time
from scipy import ndimage as ndi

def gauss(stack, truncate):
    for i in range(stack.shape[0]):
        stack[i, :, :] -= ndi.gaussian_filter(stack[i, :, :], 10, truncate=truncate)
    return stack

for truncate in [4, 3, 2]:
    stack = np.random.randint(0, 20, size=(200, 1024, 512))
    t = time.time()
    gs = gauss(stack, truncate=truncate)
    print(f"truncate {truncate}: {time.time() - t:0.3f} seconds")

truncate 4: 8.462 seconds
truncate 3: 6.021 seconds
truncate 2: 4.257 seconds

赞(0）回复(0）举报 2023-01-05

我来回答

scipy 图像分析高斯滤波器的优化与加速

1条答案

相关问题

热门标签

最新问答